[发明专利]一种机电设备故障诊断与健康趋势预测方法及系统

说明书

本发明公开一种机电设备故障诊断与健康趋势预测方法及系统，涉及智能制造技术领域。实时获取机电设备数据序列；采用规范化方法对机电设备数据序列进行预处理得到规范化数据序列；采用一维卷积网络对规范化数据序列进行特征的提取和选择，得到设备运行特征；对设备运行特征进行膨胀卷积操作，得到时间序列设备运行特征；对时间序列设备运行特征与设备运行特征进行时空特征融合，得到融合特征；采用注意力机制对融合特征进行元素计算，得到注意值；根据注意值得到机电设备运行状态，和/或，健康趋势。本发明实现了机电设备故障检测和健康状态评估双任务的同步进行，提高了设备故障检测的精准性和鲁棒性。

技术领域

本发明涉及信息技术、智能制造技术领域，特别是涉及一种机电设备故障诊断与健康趋势预测方法及系统。

背景技术

机电设备作为工业生产中最基础的组成部分，其故障诊断关系到生产过程的安全性和流畅性，从而影响工业产品的质量和效率。因此，对机电设备进行故障诊断和健康趋势预测在工业产业中占据重要地位，具有重要的理论价值意义和工程实践意义。现今工业智能化逐步发展，设备中的相关数据也越来越容易被采集。与此同时，传统人工定期检修的方法无法满足对此类海量并复杂多变的数据的处理需求。

传统方式中，机电设备大多采用人工定期检修的方法，这样的检查对于从业人员的经验有很强的依赖性，并且无法对设备的信息进行实时的更新。随着工业生产的规模不断扩大，生产线的高度自动化和集成化，仅仅依靠人工进行检测的方法消耗大量的时间和精力，不利于产线的发展。

在机电设备的运行中，对于事故的处理主要包括发生后的故障诊断，以及事故发生前的运行状态检测与健康趋势预测。随着大数据的快速发展，数据驱动的深度学习方法得到了广泛的关注。目前已有许多关于故障诊断的方法，但却忽略了对于设备未来健康趋势的关注。

发明内容

本发明实施例的目的是提供一种机电设备故障诊断与健康趋势预测方法及系统，以实现机电设备故障检测和健康状态评估双任务的同步进行，提高了设备故障检测的精准性和鲁棒性。

为实现上述目的，本发明实施例提供了如下方案：

一种机电设备故障诊断与健康趋势预测方法，包括：

实时获取机电设备数据序列；采用规范化方法对所述机电设备数据序列进行预处理，得到规范化数据序列；

采用一维卷积网络对所述规范化数据序列进行特征的提取和选择，得到设备运行特征；

对所述设备运行特征进行膨胀卷积操作，得到时间序列设备运行特征；

对所述时间序列设备运行特征与所述设备运行特征进行时空特征融合，得到融合特征；

采用注意力机制对所述融合特征进行元素计算，得到查询相似度；根据所述查询相似度得到相应的注意值；

根据所述注意值，得到机电设备运行状态，和/或，健康趋势。

可选地，所述规范化方法是对所述机电设备数据序列{x₁,x₂,x₃,...,x_n}进行线性变换处理，得到所述规范化数据序列{y₁,y₂,y₃,...,y_n}∈[0,1]；变换公式如下：